基于综合主成分及径向基网络的环境质量评价

运用综合主成分分析对监测数据进行处理,集成径向基函数人工神经网络(RBF-ANN),参考国家环境质量评价标准设定RBF的学习样本,从而构建区域环境质量综合评价模型,对安徽省合肥市新站综合开发试验区进行环境质量综合评价。实例分析结果表明,运用综合主成分法可以精准的统计出一个区域的环境综合数据,而且在matlab环境下运用RBF-ANN模型既可以准确,客观的评定环境质量的等级,又可以表现其环境污染的具体程度,能在同一评价等级内对不同环境质量的评价对象进行更加细微的污染程度的比较。结果表明,合肥市新站综合开发试验区环境综合质量介于轻度污染和中度污染的标准极限值之间,属于中度污染。     

径向基函数网络在水环境质量评价分区中的应用

为探讨水环境质量综合评价的客观方法 ,以江西抚州地下潜水水质资料为例 ,建立了该区地下潜水水环境质量综合评价的RBF ANN网络模型。通过与其它方法对比 ,结果表明 ,利用用RBF ANN方法进行水环境质量评价不仅方法简便 ,而且结论更接近客观实际     

环境质量的综合评价

本文提出一种以距“理想环境点”离差为基础的能够对多个观测点在众多指标下进行综合评价的简捷方法。     

水环境有机污染物预测的径向基函数网络模型

水环境中有机污染物的扩散迁移是一个由多种因素影响的复杂的非线性过程，根据河流有机污染物的浓度与其影响因素之间存在的映射关系，以实际监测数据为基础，建立了一个水环境有机污染物浓度预测的径向基函数网络模型，实例验证表明，该方法预测精度较高，具有一定的应用与推广价值。     

应用径向基函数网络预测有机化合物的生物活性

为了构建径向基函数 ( RBF)神经网络模型 ,研究一批取代芳香族化合物结构与其大型蚤生物活性参数 log(1/EC₅₀)的关系 ,利用正交最小平方算法逐一选择非线性高斯函数的中心 ,并将归一化参数 σ和容差 ρ作为网络的系统参数 ,通过广程扫描确定其最佳值 .采用种子聚类分析与简单随机抽样相结合的方法将化合物合理地划分为训练集和预测集 .对构建的 RBF网络模型的预测质量进行了不确定性分析 .与回归模型相比 ,RBF网络具有较好的预测性能 ,模型预测的不确定性降低了 30 % .     

综合环境质量的B－P网络二级评价

为了探索人工神经网络应用于环境质量评价的可行性和合理性,应用人工神经网络的B－P模型,构造了大气、水质和噪声的综合环境质量的B－P网络二级评价模型。并将该模型应用于实例作效果检验。结果表明B－P网络用于环境质量评价适应性强,方法可行,结果合理。      

综合环境质量的B－P网络二级评价

为了探索人工神经网络应用于环境质量评价的可行性和合理性，应用人工神经网络的Ｂ－Ｐ模型，构造了大气、水质和噪声的综合环境质量的Ｂ－Ｐ网络二级评价模型。并将该模型应用于实例作效果检验。结果表明Ｂ－Ｐ网络用于环境质量评价适应性强，方法可行，结果合理。     

基于径向基函数神经网络（RBFN）的内蒙古土壤风蚀危险度评价

土壤风蚀是北方干旱和半干旱地区土地沙化和沙尘暴灾害的首要环节和主要动力过程之一. 选取影响内蒙古自治区土壤风蚀演化的相关指标,运用GIS技术提取各指标数据,构建径向基函数神经网络（Radial Basis Function Network,RBFN）;根据不同风蚀危险程度标准,选取12个市、县（旗）相关数据进行训练,确定网络模型参数,进而对内蒙古自治区88个市、县（旗）的土壤风蚀危险度进行了评价. 结果表明:内蒙古自治区西部为土壤风蚀发生的极强危险区,西北为强危险区,中部为中度危险区,而东部为轻度危险区;利用其他研究对该评价结论进行对比验证,结果较为理想.      

基于BP神经网络的道路交通环境影响综合评价模型

根据影响道路交通环境的各单项评价指标及其分级标准．利用随机分布理论生成足够多用于神经网络建模的样本数据。应用非线性模拟性很强的BP神经网络技术对道路交通环境质量进行综合评价，克服了物元分析等综合评价方法存在的不确定性和受人为因素影响等缺陷，提高了综合评价的客观性和合理性。评价实例表明：文中提出的生成训练样本和用BP神经网络建立道路交通环境质量的综合评价模型是合理的和可行的。     

人工神经网络在大气环境质量评价中的应用

针对大气环境中的数据监测与模式识别问题,应用人工神经网络理论,在自然环境大气腐蚀试验网站建立大气环境质量B-P网络评价模型。江津试验站成功地应用了该模型。通过1996-2000年大气环境质量评价结果表明,人工神经网络用于大气环境质量评价的方法是一种新方法,也是一种可行的方法。     

人工神经网络在环境科学中的应用研究

以B-P网络为例介绍了人工神经网络模型的应用原理。以开拓人工神经网络在环境科学中的应用范围为目的,综述了几种常用神经网络模型在环境预测与评价2方面的应用性能。结果表明:人与环境关系的科学量度是多方位、多因素的非线性模糊问题,而人工神经网络模型具有解决该类问题的独特优点。针对不同环境问题,优选模型,开拓人工神经网络方法在环境科学中的应用范围,为环境问题的解决提供新的技术手段。     

基于神经网络模型的水质监测与评价系统

对水环境的监测与评价，可以掌握水质现状及其发展趋势，为水资源的开发利用和管理提供科学依据。水质评价是建立在水质监测基础之上的。首先结合我国水环境监测技术规范与标准，合理地选择监测项目与监测仪器，建立水质监测系统。然后在水质监测所获数据基础上，运用人工神经网络的理论和方法，通过BP网络不断的学习与训练，归纳出评价标准与评价结果间复杂的非线性关系，建立水质评价的BP神经网络模型系统。经实际应用表明，该系统具有很强的学习、联想和容错功能。为水质监测与评价提供了一条新的途径。     

基于B-P人工神经网络的环境测点的优选

为了对有多项污染物的环境测点进行优选,提出了单项污染物对环境作用的“相对贡献率"和多项污染物对环境综合作用的“作用和贡献率"的新概念及其计算公式。将B-P神经网络原理与逐步聚类分析思想相结合,用于环境测点聚类优选。该方法用于成都市12个环境测点的优选结果符合客观实际。此外,它还具有简便实用、客观性好的特点。      

水利水电工程环境影响综合评价的人工神经网络专家系统

在分级加权评价模型层次结构体系基础上,以三峡工程为背景,应用人工神经网络技术,建立了一个水利水电工程环境影响综合评价的人工神经网络专家系统,该专家系统的知识获取和存贮方式与普通专家系统不同,具有较高的推理效率,较强的容错、自适应和自我更新能力。      

基于MATLAB的BP神经网络模型在漠阳江水质评价中的应用研究

为提高水质评价的准确性,基于MATLAB及人工神经网络理论,采用误差反向传播的BP算法建立漠阳江水质评价模型,充分利用神经网络的非线性映射特性,取7项常规地表水水质评价指标对漠阳江水质进行评价,并将BP神经网络评价结果与单因子评价法及综合指数法的评价结果进行比较,网络运行结果表明一致效果良好.同时较传统的水质评价方法,该网络具有较高的识别精度,提高了水质评价等级的准确性,使评价的结果更具有科学性.     

人工神经网络在水质规划和管理中的应用

对人工神经网络在水质规划与评价、给水处理与污水处理等几方面的应用研究现状、发展趋势进行了综述，并通过一些实例分析得出：人工神经网络用于水质规划和管理不但可行，而且适应性强、结果客观、合理、具有深入开发的研究价值和良好的应用前景。